OmniHuman-1 多模态 “真人”视频生成项目! 效果真不错

OmniHuman 支持多种视觉和音频风格，可生成任意长宽比和身体比例（人像、半身、全身合一）的逼真人体视频，真实感源自动作、光照、纹理细节等综合方面。

官方项目链接：https://omnihuman-lab.github.io

歌唱

OmniHuman 可以支持各种音乐风格，并适应多种身体姿势和歌唱形式。它可以处理高音调的歌曲，并针对不同类型的音乐显示不同的动作风格。请记住选择最高的视频质量。生成的视频质量也高度依赖于参考图像的质量。

与视频驾驶的兼容性

由于OmniHuman的混合条件训练特性，它不仅可以支持音频驾驶，还可以支持视频驾驶来模仿特定的视频动作，以及像最近的方法一样结合音频和视频驾驶来控制特定的身体部位。

道德问题

这些演示中使用的图像和音频来自公开来源或由模型生成，仅用于展示本研究工作的能力。如有任何问题，请联系我们（jianwen.alan@gmail.com），我们将及时删除。本网页模板基于VASA-1的模板，部分测试音频来自VASA-1、Loopy、Cyber​​Host。

BibTeX

如果您发现这个项目对您的研究有用，您可以引用我们并查看我们的其他相关作品：

          @article{lin2025omnihuman1,
            title={OmniHuman-1: Rethinking the Scaling-Up of One-Stage Conditioned Human Animation Models}, 
            author={Gaojie Lin and Jianwen Jiang and Jiaqi Yang and Zerong Zheng and Chao Liang},
            journal={arXiv preprint arXiv:2502.01061},
            year={2025}
          }
          
          @article{jiang2024loopy,
            title={Loopy: Taming Audio-Driven Portrait Avatar with Long-Term Motion Dependency},
            author={Jiang, Jianwen and Liang, Chao and Yang, Jiaqi and Lin, Gaojie and Zhong, Tianyun and Zheng, Yanbo},
            journal={arXiv preprint arXiv:2409.02634},
            year={2024}
          }

          @article{lin2024cyberhost,
            title={CyberHost: Taming Audio-driven Avatar Diffusion Model with Region Codebook Attention},
            author={Lin, Gaojie and Jiang, Jianwen and Liang, Chao and Zhong, Tianyun and Yang, Jiaqi and Zheng, Yanbo},
            journal={arXiv preprint arXiv:2409.01876},
            year={2024}
          }